發(fā)布時間：2020-11-07 15:55

　　 陶瓷發(fā)展史是中華文明史的一個重要組成部分,其所蘊含的歷史及社會價值是無法估量的。現(xiàn)今,隨著陶瓷行業(yè)的快速發(fā)展,對陶瓷原料分類及古陶瓷斷源斷代研究,已成為陶瓷領(lǐng)域研究的熱點之一。就傳統(tǒng)的陶瓷原料分類方法和鑒定方法而言,陶瓷原料分類及古陶瓷斷源斷代研究多集中于常用的兩種方法:一種是傳統(tǒng)的手工鑒定方法,也即通過目測手摸等方法區(qū)分古陶瓷的年代及陶瓷類別;另一種是基于某種科技手段,通過提取出陶瓷表面的化學(xué)成分(如釉的成分)來識別出陶瓷所屬時期及類別。上述兩種方法各有優(yōu)缺點,很多時候結(jié)合使用并應(yīng)用于相關(guān)研究工作中,以彌補兩種方法的不足之處。此外,考慮到陶瓷原料以及古陶瓷化學(xué)成分的種類繁多、結(jié)構(gòu)復(fù)雜、成分多樣,傳統(tǒng)化學(xué)實驗分析的精確度低、耗時耗力,人們已經(jīng)開始使用許多新的科技手段,來提高陶瓷原料分類及古陶瓷斷源斷代分類效果。當(dāng)前,數(shù)據(jù)挖掘方法應(yīng)用于陶瓷領(lǐng)域的相關(guān)研究工作,已經(jīng)取得不少新穎的研究成果。如人工神經(jīng)網(wǎng)絡(luò)﹑進化計算等均已在陶瓷原料分類及古陶瓷斷源斷代研究中實現(xiàn)了較好的預(yù)測結(jié)果�；�于眾多學(xué)者的前期研究工作,作者在深入分析研究數(shù)據(jù)挖掘類相關(guān)類方法的基礎(chǔ)上,通過對提取的陶瓷原料和古陶瓷的化學(xué)組成成分進行數(shù)據(jù)分析,尋找它們之間存在的聯(lián)系和規(guī)律,將神經(jīng)網(wǎng)絡(luò)﹑遺傳優(yōu)化算法﹑支持向量機﹑隨機森林這四種算法應(yīng)用于陶瓷原料分類和古陶瓷斷源斷代分類。本文第三章,通過BP神經(jīng)網(wǎng)絡(luò)算法建立模型對陶瓷原料進行分類,第四章通過建立遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的模型來對陶瓷原料進行分類,實驗結(jié)果顯示GA-BP的分類精度和準(zhǔn)確率明顯高于BP神經(jīng)網(wǎng)絡(luò)模型。第五章、第六章運用支持向量機和隨機森林兩種算法對古陶瓷進行斷源斷代分類,實驗結(jié)果表明隨機森林的預(yù)測精度要高于支持向量機。雖然,實驗預(yù)測結(jié)果離理想的分類效果還有一定的差距,但作為數(shù)據(jù)挖掘方法在陶瓷原料分類和古陶瓷斷源斷代分類中應(yīng)用實踐,本文旨在為更多后繼研究者提供一種理論及實踐中的科學(xué)指導(dǎo)作用,從而豐富數(shù)據(jù)挖掘方法在陶瓷領(lǐng)域中的研究工作,并進一步彌補傳統(tǒng)分類方法中存在的不足之處。
【學(xué)位單位】：景德鎮(zhèn)陶瓷大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：K876.3;TP311.13
【部分圖文】：

圖 3-1 BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練步數(shù)和誤差的關(guān)系曲線Fig. 3-1 Relation curve of BP’s training epochs and M經(jīng)網(wǎng)絡(luò)實驗結(jié)果與分析果如圖 3-2 所示：hrough 101.0000 1.0000 0.9980 1.0000 1.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 1.0000 1.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 through 200.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 1.0000

的選擇取第二章BP神經(jīng)網(wǎng)絡(luò)使用的四種類別的30種陶瓷原料P 神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)是選用編號為 1-20 號的這 20 組陶絡(luò)測試數(shù)據(jù)是運用編號為 21-30 號這 10 組陶瓷原料通過建立基于遺傳算法優(yōu)化 BP 神經(jīng)網(wǎng)絡(luò)，即 GA-BP優(yōu)化 BP 神經(jīng)網(wǎng)絡(luò)模型設(shè)計國謝菲爾德大學(xué)開發(fā)的遺傳算法工具箱對 BP 神經(jīng)網(wǎng)絡(luò)的最優(yōu)權(quán)值和閾值賦予 BP 神經(jīng)網(wǎng)絡(luò)進行學(xué)習(xí)和訓(xùn)練。絡(luò)結(jié)構(gòu)（輸入層、隱含層、輸出層）。神經(jīng)網(wǎng)絡(luò)的輸入別是：SiO2、Al2O3、Fe2O3、CaO、MgO、K2O、Na2O為 9。對于神經(jīng)網(wǎng)絡(luò)的隱含層，運用試探法對隱含層節(jié)隱含層節(jié)點個數(shù)為 23。神經(jīng)網(wǎng)絡(luò)的輸出層為各陶瓷原料Ⅱ、Ⅲ、Ⅳ，4 個類別，所以輸出層節(jié)點數(shù)為 4。

位論文 第4章 一種基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)算法部分的參數(shù)設(shè)置為：個體數(shù) N=60， MAXGEN 最進制位數(shù)為 10， GGAP 代溝為 0.95， px交叉概率為設(shè)置好的參數(shù)初始值，進行編碼、生成種群、評價檢用遺傳算法對神經(jīng)網(wǎng)絡(luò)的優(yōu)化所獲取的最優(yōu)權(quán)值和閥且得到模型的預(yù)測值。優(yōu)化 BP 神經(jīng)網(wǎng)絡(luò)模型實驗預(yù)測結(jié)果訓(xùn)練步數(shù)和誤差的關(guān)系曲線如圖 4-3 所示，GA-BP 4 所示。
【參考文獻】

相關(guān)期刊論文 前10條

1 楊秀萍;;大數(shù)據(jù)下關(guān)聯(lián)規(guī)則算法的改進及應(yīng)用[J];計算機與現(xiàn)代化;2014年12期

2 吳雋;尹麗;張茂林;吳軍明;李其江;;人工神經(jīng)網(wǎng)絡(luò)與多元統(tǒng)計判別分析在古陶瓷斷源斷代中的對比研究[J];陶瓷學(xué)報;2014年04期

3 劉陶;簡志宏;林衛(wèi)中;肖絢;;灰色理論在古陶瓷斷代中的應(yīng)用[J];計算機工程;2010年11期

4 思明;;熱釋光與古陶瓷傳統(tǒng)斷代方法的優(yōu)劣比較[J];收藏;2010年05期

5 秦祎晗;柳炳祥;彭文;;一種基于粗糙集神經(jīng)網(wǎng)絡(luò)的陶瓷原料分類方法[J];陶瓷學(xué)報;2010年01期

6 湯文菊;周勇;;基于決策樹學(xué)習(xí)的陶瓷原料的判別方法[J];辦公自動化;2009年22期

7 陸強;柳炳祥;;一種基于粗糙集的陶瓷原料分類方法[J];中國陶瓷;2007年05期

8 李玉平,劉付勝聰,胡鵬飛;陶瓷原料分類的人工神經(jīng)網(wǎng)絡(luò)模型[J];硅酸鹽通報;2003年06期

9 張浩然;韓正之;李昌剛;;支持向量機[J];計算機科學(xué);2002年12期

10 何金國,石青云;一種新的聚類分析算法[J];中國圖象圖形學(xué)報;2000年05期

本文編號：2874160